جنسن هوانگ، مدیرعامل انویدیا، بار دیگر یکی از جنجالیترین ادعاهای دنیای هوش مصنوعی را مطرح کرده است. او میگوید برای بسیاری از وظایف میتوان گفت که صنعت هوش مصنوعی همین حالا به هوش عمومی مصنوعی یا AGI رسیده است؛ هرچند خود هوانگ معتقد است بحث بر سر چنین نقطه عطفی دیگر چندان معنا ندارد.
اظهارات تازه مدیرعامل انویدیا در جریان کنفرانس گزارش مالی سهماهه دوم سال مالی ۲۰۲۷ این شرکت مطرح شد. هوانگ در پاسخ به سؤالی درباره پیشرفت OpenAI در مسیر AGI و همچنین مفهوم «بهبود بازگشتی» هوش مصنوعی، دیدگاه متفاوتی درباره وضعیت فعلی این فناوری ارائه کرد.
به گزارش تکراتو و به نقل از The Verge، هوانگ گفت برای بسیاری از وظایف میتوان ادعا کرد که همین حالا به AGI رسیدهایم. بااینحال، او بلافاصله اهمیت چنین برچسبهایی را زیر سؤال برد و گفت این نقاط عطف در شرایط فعلی تا حدی «بیمعنا» شدهاند.
AGI چیست و چرا ادعای جنسن هوانگ اهمیت دارد؟
AGI مخفف Artificial General Intelligence یا «هوش عمومی مصنوعی» است؛ مفهومی که معمولاً به سیستم هوش مصنوعی با توانایی انجام طیف گستردهای از وظایف شناختی در سطح انسان یا بالاتر از آن اشاره دارد.
مشکل اصلی اینجاست که صنعت هوش مصنوعی هنوز تعریف واحد و قابلاندازهگیری برای AGI ندارد.
شرکتها و پژوهشگران مختلف معیارهای متفاوتی برای آن مطرح کردهاند و همین مسئله باعث میشود اعلام «رسیدن به AGI» لزوماً به معنای عبور از یک معیار علمی مشخص و مورد توافق نباشد.
حتی خود هوانگ نیز در صحبتهای جدیدش معیار یا بنچمارک مشخصی برای اثبات دستیابی به AGI ارائه نکرد.
هوش مصنوعی از چتبات به Agent تبدیل شده است
بخش مهمتر صحبتهای مدیرعامل انویدیا به تحول AI از سیستمهای Prompt-Based به سیستمهای Agentic مربوط میشود.
به گفته هوانگ، درحالحاضر بخش بزرگی از هوش مصنوعی دیگر صرفاً منتظر نیست تا انسان یک درخواست برای آن ارسال کند.
نسل جدید AI Agentها میتوانند بهصورت مداوم در پسزمینه فعالیت کنند، وظایف مختلف انجام دهند و با Agentهای دیگر همکاری کنند.
هوانگ پیشبینی میکند شرکتها در آینده تعداد بسیار زیادی Agent هوش مصنوعی خواهند داشت.
او برای توضیح ابعاد این تغییر از خود NVIDIA مثال زد. انویدیا درحالحاضر حدود ۴۰ هزار کارمند دارد، اما هوانگ معتقد است در آینده ممکن است در کنار آنها صدها هزار یا حتی میلیونها Agent هوش مصنوعی فعالیت کنند.
او از اعدادی مانند ۴۰۰ هزار و حتی ۴ میلیون Agent برای نشان دادن مقیاس احتمالی این تحول استفاده کرد.
هوش مصنوعی درحال یادگیری از عملکرد خودش است
یکی دیگر از بخشهای مهم صحبتهای هوانگ به Recursive Self-Improvement یا «خودبهبودی بازگشتی» مربوط میشود؛ مفهومی که مدتهاست یکی از موضوعات مهم در بحثهای مربوط به AGI و Superintelligence محسوب میشود.
مدیرعامل انویدیا معتقد است نمونهای ابتدایی از این فرایند همین حالا در AI Agentها دیده میشود.
به گفته او، یک Agent پس از انجام یک وظیفه میتواند عملکرد خودش را بررسی کند، بفهمد در اجرای بعدی چگونه بهتر عمل کند و فایل مهارتهای خود را بهروزرسانی کند.
به این ترتیب وقتی همان Agent دوباره اجرا شود، میتواند از اطلاعات بهدستآمده در اجرای قبلی استفاده کند.
هوانگ این فرایند را نوعی Self-Improvement در سطح نسبتاً درشت یا «Coarse-Grained» توصیف میکند.
برای جنسن هوانگ AGI دیگر مسئله اصلی نیست
شاید عجیبترین قسمت صحبتهای مدیرعامل NVIDIA این باشد که او درست پس از مطرح کردن دستیابی به AGI، اهمیت آن را زیر سؤال میبرد.
از دید هوانگ، سؤال مهمتر این نیست که آیا یک مدل از یک تعریف خاص AGI عبور کرده است یا خیر.
او سه مسئله را بسیار مهمتر میداند.
اول اینکه هوش مصنوعی اکنون میتواند «کار مفید و مولد» انجام دهد.
دوم اینکه AI درحال تولید چیزی است که هوانگ آن را «توکنهای سودآور» مینامد.
و سوم اینکه اگر زیرساخت محاسباتی بیشتری در اختیار شرکتها قرار بگیرد، میتوان توکنهای بیشتری تولید کرد و در نتیجه درآمد و سود بیشتری به دست آورد.
این دیدگاه طبیعتاً با جایگاه انویدیا در صنعت AI نیز ارتباط مستقیمی دارد؛ زیرا افزایش نیاز به Compute به معنای افزایش تقاضا برای پردازندهها و زیرساختهای هوش مصنوعی این شرکت است.
این اولین بار نیست که هوانگ از رسیدن به AGI میگوید
اظهارات جدید جنسن هوانگ کاملاً تازه نیست.
او در مارس ۲۰۲۶ نیز در گفتوگو با لکس فریدمن صراحتاً گفته بود: «فکر میکنم به AGI رسیدهایم.»
در آن گفتوگو، لکس فریدمن تعریف مشخصی را مطرح کرد: سیستمی که بتواند عملاً شغل یک انسان را انجام دهد و حتی یک شرکت فناوری موفق با ارزش بیش از یک میلیارد دلار ایجاد و اداره کند.
اما وقتی بحث به این رسید که آیا مجموعه بزرگی از Agentهای هوش مصنوعی میتوانند شرکتی مانند NVIDIA را از صفر بسازند، پاسخ هوانگ محتاطانهتر شد.
او احتمال اینکه ۱۰۰ هزار Agent بتوانند انویدیا را بسازند «صفر درصد» توصیف کرد.
همین تفاوت نشان میدهد حتی در دیدگاه خود هوانگ نیز تعریف AGI کاملاً به نوع وظیفه و معیاری که برای آن انتخاب میشود بستگی دارد.
حتی بزرگان صنعت درباره تعریف AGI توافق ندارند
اختلاف درباره معنای AGI فقط به NVIDIA محدود نمیشود.
شرکتهای بزرگ هوش مصنوعی تعاریف متفاوتی از این مفهوم ارائه کردهاند.
OpenAI در منشور خود AGI را سیستمهای بسیار خودمختاری تعریف میکند که در اکثر کارهای اقتصادی ارزشمند عملکردی بهتر از انسان داشته باشند.
بااینحال، همین تعریف نیز فضای زیادی برای تفسیر باقی میگذارد؛ زیرا مشخص نیست دقیقاً چه درصدی از کارها، در چه سطحی و با چه معیارهایی باید اندازهگیری شوند.
داریو آمودی، مدیرعامل Anthropic، نیز پیشتر اصطلاح AGI را «غیردقیق» دانسته و حتی از آن بهعنوان یک اصطلاح بازاریابی یاد کرده است. او ترجیح میدهد از عبارت Powerful AI یا «هوش مصنوعی قدرتمند» استفاده کند.
شرکتهای دیگر نیز اصطلاحات متفاوتی را مطرح کردهاند؛ از Personal Superintelligence در متا گرفته تا Humanist Superintelligence در مایکروسافت.
آیا واقعاً به AGI رسیدهایم؟
فعلاً نمیتوان پاسخ علمی و قطعی «بله» به این سؤال داد.
صحبتهای جنسن هوانگ به معنی اعلام یک دستاورد فنی مشخص از سوی NVIDIA یا رونمایی از یک مدل جدید AGI نیست. او همچنین هیچ آزمون یا معیار مورد توافقی را ارائه نکرده که ثابت کند یک سیستم هوش مصنوعی اکنون دارای هوش عمومی در سطح انسان است.
اظهارنظر هوانگ بیشتر بیانگر دیدگاه او درباره بیاهمیت شدن مرزبندی سنتی AGI است.
از نگاه مدیرعامل NVIDIA، زمانی که Agentهای هوش مصنوعی میتوانند کار واقعی انجام دهند، مهارت یاد بگیرند، با Agentهای دیگر همکاری کنند و برای شرکتها ارزش اقتصادی ایجاد کنند، بحث درباره اینکه دقیقاً در چه روزی باید اعلام کنیم «AGI ساخته شد» اهمیت کمتری پیدا میکند.
و شاید مهمترین نکته ماجرا همین باشد: صنعت هوش مصنوعی با سرعت درحال حرکت به سمت سیستمهای خودمختارتر است، اما هنوز حتی درباره نام نقطهای که قرار است به آن برسد توافق ندارد.
